Abstract The NHGRI-EBI GWAS Catalog (www.ebi.ac.uk/gwas) is a FAIR knowledgebase providing detailed, structured, standardised and interoperable genome-wide association study (GWAS) data to >200 000 users per year from academic research, healthcare and industry. The Catalog contains variant-trait associations and supporting metadata for >45 000 published GWAS across >5000 human traits, and >40 000 full P-value summary statistics datasets. Content is curated from publications or acquired via author submission of prepublication summary statistics through a new submission portal and validation tool. GWAS data volume has vastly increased in recent years. We have updated our software to meet this scaling challenge and to enable rapid release of submitted summary statistics. The scope of the repository has expanded to include additional data types of high interest to the community, including sequencing-based GWAS, gene-based analyses and copy number variation analyses. Community outreach has increased the number of shared datasets from under-represented traits, e.g. cancer, and we continue to contribute to awareness of the lack of population diversity in GWAS. Interoperability of the Catalog has been enhanced through links to other resources including the Polygenic Score Catalog and the International Mouse Phenotyping Consortium, refinements to GWAS trait annotation, and the development of a standard format for GWAS data.

BackgroundOsteoarthritis is the most common form of arthritis worldwide and is a major cause of pain and disability in elderly people. The health economic burden of osteoarthritis is increasing commensurate with obesity prevalence and longevity. Osteoarthritis has a strong genetic component but the success of previous genetic studies has been restricted due to insufficient sample sizes and phenotype heterogeneity.MethodsWe undertook a large genome-wide association study (GWAS) in 7410 unrelated and retrospectively and prospectively selected patients with severe osteoarthritis in the arcOGEN study, 80% of whom had undergone total joint replacement, and 11 009 unrelated controls from the UK. We replicated the most promising signals in an independent set of up to 7473 cases and 42 938 controls, from studies in Iceland, Estonia, the Netherlands, and the UK. All patients and controls were of European descent.FindingsWe identified five genome-wide significant loci (binomial test p≤5·0×10−8) for association with osteoarthritis and three loci just below this threshold. The strongest association was on chromosome 3 with rs6976 (odds ratio 1·12 [95% CI 1·08–1·16]; p=7·24×10−11), which is in perfect linkage disequilibrium with rs11177. This SNP encodes a missense polymorphism within the nucleostemin-encoding gene GNL3. Levels of nucleostemin were raised in chondrocytes from patients with osteoarthritis in functional studies. Other significant loci were on chromosome 9 close to ASTN2, chromosome 6 between FILIP1 and SENP6, chromosome 12 close to KLHDC5 and PTHLH, and in another region of chromosome 12 close to CHST11. One of the signals close to genome-wide significance was within the FTO gene, which is involved in regulation of bodyweight—a strong risk factor for osteoarthritis. All risk variants were common in frequency and exerted small effects.InterpretationOur findings provide insight into the genetics of arthritis and identify new pathways that might be amenable to future therapeutic intervention.FundingarcOGEN was funded by a special purpose grant from Arthritis Research UK.

Birth weight (BW) variation is influenced by fetal and maternal genetic and non-genetic factors, and has been reproducibly associated with future cardio-metabolic health outcomes. These associations have been proposed to reflect the lifelong consequences of an adverse intrauterine environment. In earlier work, we demonstrated that much of the negative correlation between BW and adult cardio-metabolic traits could instead be attributable to shared genetic effects. However, that work and other previous studies did not systematically distinguish the direct effects of an individual's own genotype on BW and subsequent disease risk from indirect effects of their mother's correlated genotype, mediated by the intrauterine environment. Here, we describe expanded genome-wide association analyses of own BW (n=321,223) and offspring BW (n=230,069 mothers), which identified 278 independent association signals influencing BW (214 novel). We used structural equation modelling to decompose the contributions of direct fetal and indirect maternal genetic influences on BW, implicating fetal- and maternal-specific mechanisms. We used Mendelian randomization to explore the causal relationships between factors influencing BW through fetal or maternal routes, for example, glycemic traits and blood pressure. Direct fetal genotype effects dominate the shared genetic contribution to the association between lower BW and higher type 2 diabetes risk, whereas the relationship between lower BW and higher later blood pressure (BP) is driven by a combination of indirect maternal and direct fetal genetic effects: indirect effects of maternal BP-raising genotypes act to reduce offspring BW, but only direct fetal genotype effects (once inherited) increase the offspring's later BP. Instrumental variable analysis using maternal BW-lowering genotypes to proxy for an adverse intrauterine environment provided no evidence that it causally raises offspring BP. In successfully separating fetal from maternal genetic effects, this work represents an important advance in genetic studies of perinatal outcomes, and shows that the association between lower BW and higher adult BP is attributable to genetic effects, and not to intrauterine programming.

Background: Clinical recommendations to limit gestational weight gain (GWG) imply high GWG is causally related to adverse outcomes in mother or offspring, but GWG is the sum of several inter-related complex phenotypes (maternal fat deposition and vascular expansion, placenta, amniotic fluid and fetal growth). Understanding the genetic contribution to GWG could help clarify the potential effect of its different components on maternal and offspring health. Here we explore the genetic contribution to total, early and late GWG. Participants and Methods: A genome-wide association study was used to identify maternal and fetal variants contributing to GWG in up to 10,543 mothers and up to 16,317 offspring of European origin, with replication in 10,660 mothers and 7,561 offspring. Additional analyses determined the proportion of variability in GWG from maternal and fetal common genetic variants and the overlap of established genome-wide significant variants for phenotypes relevant to GWG (e.g. maternal BMI and glucose, birthweight). Results: We found that approximately 20% of the variability in GWG was tagged by common maternal genetic variants, and that the fetal genome made a surprisingly minor contribution to explaining variation in GWG. We were unable to identify any genetic variants that reached genome-wide levels of significance (P<5x10-8) and replicated. Some established maternal variants associated with increased BMI, fasting glucose and type 2 diabetes were associated with lower early, and higher later GWG. Maternal variants related to higher systolic blood pressure were related to lower late GWG. Established maternal and fetal birthweight variants were largely unrelated to GWG. Conclusion: We found a modest contribution of maternal common variants to GWG and some overlap of maternal BMI, glucose and type 2 diabetes variants with GWG. These findings suggest that associations between GWG and later offspring/maternal outcomes may be due to the relationship of maternal BMI and gestational diabetes with GWG.